Anthropic发布模型硬件标准 (MHS) 预览版

Anthropic发布了其模型硬件标准 (MHS) 的研究预览版，这是一个旨在让AI代理安全高效操作物理设备的框架。根据2026年8月27日的公告，该项目是与HHMI Janelia研究园区合作开发的，目前已向部分研究实验室和制造商开放。

MHS的核心是为机器人手臂、液体处理器和显微镜等硬件的AI驱动控制引入一个标准化接口。与传统需要大量定制编程来集成设备的设置不同，MHS旨在将集成时间从数周缩短到数小时。该系统还支持自动化工作流程，使AI能够实时调整参数或独立从硬件错误中恢复。

MHS如何工作

这项技术的核心是一个驱动程序，它将指令转换为通用的基本操作，如“读取”和“写入”。这消除了设备之间需要定制中间件的需求。MHS还使AI代理能够直接从用户定义的标签中收集设备的重要元数据，例如重量或安全限制，取代了对纸质手册或隐性知识的依赖。一旦配置完成，设备可以通过一行代码进行操作，实现无缝通信和任务执行。

早期测试显示该技术在多个领域取得了成功。例如，卡内基梅隆大学的研究人员使用MHS通过协调多个不兼容设备，将剂量反应实验的速度提高了三倍，而量子计算公司QuEra则利用它实现了99.3%的自动激光稳定化精度。

市场影响与背景

尽管Anthropic的MHS被定位为实验室和工厂自动化的颠覆性技术，但需要注意的是，模块化硬件系统 (MHS) 的概念并不是新鲜事。该术语已被用于开放计算项目 (OCP) 的数据中心硬件规范。OCP的MHS工作流程通过定义一致的接口和模块化组件，专注于服务器和边缘基础设施的互操作性。

然而，Anthropic的MHS显著不同之处在于，它将类似的标准化原则应用于物理设备与AI的集成。这一方法可能在日益采用AI进行自动化的制造、生物技术和机器人领域开辟一个新市场。像Genentech、Doosan Robotics和QIAGEN这样的公司已经在测试MHS，用于从实验室自动化到生物医学仪器的错误检测等应用。

挑战与下一步

尽管前景广阔，MHS目前仍面临一些限制。例如，它尚无法与缺乏可编程接口的设备集成，其AI代理Claude在某些场景下仍需要专家监督。Anthropic计划通过与硬件制造商合作增加MHS兼容性，并在研究预览阶段改进安全协议，来解决这些问题。

最终目标是开源MHS，使其广泛可供开发人员和研究人员使用。Anthropic已邀请各行业的利益相关方参与研究预览，并提供反馈以进一步完善该标准。有兴趣的各方可以点击此处申请。

随着AI采用的加速，像MHS这样的努力可能会重新定义AI与物理世界的交互方式，降低复杂性并提升各行业的效率。如果成功，这项技术可能与开放计算项目的MHS找到相似之处，将互操作性和模块化引入一个新的领域。